「物理工程评测」共找到 1843 篇相关文章
正确答案 ≠ 正确推理，CoT 或成大模型推理能力停滞的「罪魁祸首」？
研究指出当前大模型推理能力评估多关注答案准确性，忽视推理步骤。通过对前沿模型测试发现，2023 - 2024 年大模型推理能力提升停滞，进步靠提示工程，自底向上策略最有效。
从真机到世界模型，具身智能正在补一条看不见的数据产线
本文分析具身智能行业的数据痛点，指出行业已从“找数据”进入造、管、回流再生产阶段，数据飞轮全链路工程化是核心竞争壁垒，分享了多家企业落地实践。
你的 Harness 工作流真的在进步吗？我们用一场考试撕掉了遮羞布
文章指出Harness工作流常靠‘主观vibes’驱动，缺乏有效评价体系。为此推出Harness Eval评测系统，包含出题、答题、改卷等环节，形成闭环，帮助工作流持续改进，还能提升整体通过率。
智元机器人发布并开源首个机器人动作序列驱动的世界模型
近日，智元机器人发布并开源全球首个基于机器人动作序列驱动的具身世界模型 EVAC 及具身世界模型评测基准 EWMBench，构建全新开发范式，打破具身智能演进制约。
第 3 章 Agent 核心功能技术详解
本章以Claude Code及其生态为主参照，介绍现代Agent平台提供类似‘操作系统’机制，包括命令、记忆等。面向熟悉Python与LLM的开发者，按是什么、解决什么问题等展开，还分析了Agent工程核心挑战。
Claude Code越更越废？！大厂AI主管公开怒喷思考深度暴跌，官方回应更被怼爆 ：菜成AI“玩具”
Claude Code在2月更新后无法用于复杂工程任务，AMD AI团队主管Stella Laurenzo分析发现其思考深度下降67%、算力消耗增加。开发者不满，Claude Code负责人回应未获认同，部分开发者考虑转用Codex。
德勤2026技术趋势报告：五大力量正驱动技术和商业进化
德勤《2026技术趋势》报告揭示技术从实验走向商业应用。涵盖物理AI进化、智能体落地、企业重构计算、技术组织架构转变、安全防御等趋势，还提及八大技术演进信号。
刚刚，OpenAI任命新印裔CTO！11亿美金连公司打包收购，接管ChatGPT产品核心
OpenAI斥资11亿美金收购实验平台Statsig，其CEO Vijaye Raji成应用部门新CTO，将负责ChatGPT等产品工程。同时启动「OpenAI for Science」项目，打造AI驱动的科学发现平台。
Anthropic最新披露:组建专门团队,用Claude设计AI芯片
Anthropic 已组建约 15 人的硬件团队，开始用 Claude 参与自研 AI 芯片的工程开发。内部测试显示其能缩短设计周期。
ICLR 2026！代码优化不再靠玄学：大模型真正学会“又快又准”，效率提升71.06%，加速比达6.08x
ICLR 2026顶会文章提出全新大模型代码优化方案，切入代码优化核心难题。该方案将代码优化率提至71.06%，加速比达6.08x，正确性提至74.54%，有很强工程可用性。